python - 在 lightgbm 或 XGBoost 中校准概率

Question

嗨，我需要帮助来校准 lightgbm 中的概率

下面是我的代码

cv_results = lgb.cv(params, lgtrain, nfold=10, stratified=False, num_boost_round = num_rounds, verbose_eval=10, early_stopping_rounds = 50, seed = 50)

best_nrounds = cv_results.shape[0] - 1

lgb_clf = lgb.train（参数，lgtrain，num_boost_round=10000，valid_sets=[lgtrain,lgvalid]，early_stopping_rounds=50，verbose_eval=10）

ypred = lgb_clf.predict（测试，num_iteration=lgb_clf.best_iteration）

标签： pythonmachine-learningxgboostlightgbm

Answer 1

我不确定 LighGBM，但在 XGBoost 的情况下，如果你想校准概率，最好也是最可能的唯一方法是使用来自 sklearn 的 CalibratedClassifierCV。

你可以在这里找到它 - https://scikit-learn.org/stable/modules/generated/sklearn.calibration.CalibratedClassifierCV.html

这里唯一的问题是 CalibratedClassifierCV 仅将 sklearn 的估计器作为输入，因此您可能必须使用 sklearn 包装器进行 XGBoost 而不是传统的 XGBoost API 的 .train 函数。

您可以在此处找到 XGBoost 的 sklearn 包装器 - https://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBClassifier

我希望它能回答你的问题。